計算・AI創薬 chemRxiv
標準的なMLバーチャルスクリーニングのCOX-2候補は、ランダム化合物と同等のドッキング結果にとどまる
- COX-2とCOX-1のランダムフォレスト活性予測モデルでZINCの大規模サブセットをスクリーニングし、絞り込んだ少数の候補を、同じライブラリのランダム対照群とともにVinaでドッキングした。
- ドッキングの妥当性は、基準阻害剤の再ドッキングと、既知活性化合物とランダム化合物を区別できることの確認で検証した。
- 回顧的ベンチマークでは良好な成績だったにもかかわらず、ML候補のドッキング結果はランダムと同程度で、予測値とドッキング順位は相関せず、大半の候補は適用領域外だった。
- 著者らは、適用領域のカバー率と同一ライブラリのランダム基準比較を報告の必須項目とすべきだと主張している。
ポイント アブストラクトに基づく見解
ZINCから引いた同一ライブラリのランダム対照は正しい設計ですが、審判役のVina自体が実測COX-2親和性とあまり相関しない弱い代理指標で、「ランダム並み」の一部はドッキングのノイズかもしれません。より重要なのは、既知NSAID類似骨格の学習セットとZINCとの間にある領域のずれです。次の一手は、上位数個を生化学アッセイで確かめることでしょう。
原論文: chemRxiv ↗ A Standard Machine-Learning Virtual Screening Pipeline Produces Candidates Indistinguishable From Random Drug-Like Compounds: A Quantitative Audit Using COX-2 As Case Study